Risks and Challenges Associated with NEOM Project in Saudi Arabia: A Marketing Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Saudi Arabia has proposed a new project, NEOM city, planned on the coast of the Red Sea with various unique and challenging features as a part of its vision 2030 to transform itself from an oil-dependent economy to knowledge-based economy. However, there are various risks and challenges associated with the project, the study of which is essential to effectively design and implement marketing and promotional strategies. Considering the large scale and scope of the project, the purpose of this study is to identify and evaluate the major contexts and associated risks in accordance with the planned city’s objectives. An online questionnaire-based survey was used to collecting data related to the severity of the risks identified and classified in a literature review. A purposive sampling approach was adopted to select experts from various governmental institutions to participate in the study. A final sample of 417 expert participants was achieved from various ministries and departments in Saudi Arabia. Eleven risk factors and challenges were identified, including design challenges, as well as legal, contractual, operational, force majeure, human resources, financial, technological, political, environmental, and sociocultural risks. Risks related to human resources (mean impact = 4) and technology factors (mean impact = 4), as well as contractual risks (mean impact = 3.9), were identified to be very high, whereas environmental (mean impact = 2.7), legal (mean impact = 2.5), and force majeure (mean impact = 2.2) risks were identified to be of low severity. Managing mega projects requires effective planning and implementation, along with risk identification and mitigation mechanisms. In addition, it is essential to manage various influencing factors (especially government decisions) in the process of implementation to achieve success.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle